在上一篇博客基础上: (环境搭建四) ubunut安装gpu版本pytorch: (Ubuntu16.04 RTX2080ti: 安装NVIDIA驱动+cuda10.0+cudnn7.4)
这里要注意和base环境分开使用
因此要用conda从新建立独立env环境
1 首先创建独立环境:
conda create --name WaterNet-tensorflow python=3.7 (绿色表示自定义的环境名称)
2 查看是否创建成功
conda env list
发现多了一个环境,base是基本环境
3 激活环境
source activate WaterNet-tensorflow
发现左侧括号里面从base变成了WaterNet-tensorflow,这说明已经切换到这个环境里面了,base表示基本环境,随便打开个终端,在不激活其他环境的情况下这个环境就是base
4 (此步骤非必须)查看cuda版本
此时第一步是调查下自己安装的cuda版本:此博客有着清晰的介绍: tensorflow 安装GPU版本,个人总结,步骤比较详细
私人需求:本环境是为了WaterNet设置的,因此网络应与其同样的环境:WaterNet的环境 TensorFlow 1.x, Cuda 8.0, and Matlab.
WaterNet网址 https://github.com/Li-Chongyi/Water-Net_Code
我的cuda版本是4.8.3,作者要求是8.0,先不看这个安装尝试下
5(此步骤非必须)查看CUDA cudnn版本对应关系
https://blog.csdn.net/qq_27825451/article/details/89082978
6 安装 tensorflow-gpu版本
命令行输入:pip install tensorflow-gpu,默认安装最新的tensorflow 版本 ,但是默认安装成了2.3.1,因此需要指定版本。
因此我又卸载了它 pip uninstall tensorflow-gpu
需要指定版本(1.xxx即可 WaterNet要求)安装命令 pip install tensorflow-gpu?
我首先制定了 pip install tensorflow-gpu==1.0.1 出现报错
Error: xxx但是后面告诉我们哪些版本可以安装
pip install tensorflow-gpu==1.13.1
搞定了
6 输入下面指令验证安装成功
python
import tensorflow as tf
print(tf.__version__)